1、.應用時間序列分析實驗報告實驗名稱多元時間序列建模分析學號班級實驗地點實驗日期指導教師實驗目的：1、熟悉單位根檢驗；2、掌握ARIMAX模型建模。涉及實驗的相關情況介紹（包含使用軟件或實驗設備等情況）：SAS、excel表格、word。實驗內容：1、 我國1950-2008年進出口總額數據（單位：億元）如表6-15所示。表6-15年份出口總額進口總額19502021.3195124.235.3195227.137.5195334.846.119544044.7195548.761.1195655.753195754.55019586761.7195978.171.2196063.365.119

2、6147.743196247.133.819635035.7196455.442.1196563.155.319666661.1196758.853.4196857.650.9196959.847.2197056.856.1197168.552.4197282.9641973116.9103.61974139.4152.81975143147.41976134.8129.31977139.7132.81978167.6187.41979211.7242.91980271.2298.81981367.6367.71982413.8357.51983438.3421.81984580.5620.5

3、1985808.91257.819861082.11498.3198714701614.219881766.72055.1198919562199.919902985.82574.319913827.13398.719924676.34443.319935284.85986.2199410421.89960.1199512451.811048.1199612576.411557.4199715160.711806.5199815223.611626.1199916159.813736.5200020634.418638.8200122024.420159.2200226947.924430.3

4、200336287.934195.6200449103.346435.8200562648.154273.7200677594.663376.9200793455.673284.62008100394.979526.5（1）使用單位根檢驗，分別考察進口總額和出口總額序列的平穩。（2）分別對進口總額序列和出口總額數據擬合模型。（3）考察這兩個序列是否具有協整關系。（4）如果這兩個序列具有協整關系，請建立適當模型擬合它們之間的相關關系。（5）構造該協整模型的誤差修正模型。實驗過程記錄（含程序、數據記錄及分析和實驗結果等）：時序圖如下：單位根檢驗輸出結果如下：序列x的單位根檢驗結果：序列y的單位根檢

5、驗結果：序列y和序列x之間的相關圖如下：殘差序列自相關圖： 自相關圖顯示。延遲6階之后自相關系數都在2倍標準差范圍之內，可以認為殘差序列平穩。對殘差序列進行2階自相關單位根檢驗，檢驗結果顯示殘差序列顯著平穩，如下圖：殘差序列單位根檢驗結果：殘差序列平穩，說明序列Y與序列X之間具有協整關系，我可以大膽的在這兩個序列之間建立回歸模型而不必擔心虛假回歸問題?？疾鞖埐钚蛄邪自肼暀z驗結果，如下圖：殘差序列白噪聲檢驗結果：輸出結果顯示，延遲各階LB統計量的P值都大于顯著水平0.05，可以認為殘差序列為白噪聲檢驗結果，結束分析。出口序列擬合的模型為：lnxtARIMA(1,1,0),具體口徑為：進口序列擬合

6、的模型為 lnytARIMA(1,1,0) ，具體口徑為：lnyt和lnxt具有協整關系。協整模型為：誤差修正模型為：SAS程序如下：data example6_4;input x y;t=_n_;cards;195020.021.3195124.235.3195227.137.5195334.846.1195440.044.7195548.761.1195655.753.0195754.550.0195867.061.7195978.171.2196063.365.1196147.743.0196247.133.8196350.035.7196455.442.1196563.155.3196

7、666.061.1196758.853.4196857.650.9196959.847.2197056.856.1197168.552.4197282.964.01973116.9103.61974139.4152.81975143.0147.41976134.8129.31977139.7132.81978167.6187.41979211.7242.91980271.2298.81981367.6367.71982413.8357.51983438.3421.81984580.5620.51985808.91257.819861082.11498.319871470.01614.21988

8、1766.72055.119891956.02199.919902985.82574.319913827.13398.719924676.34443.319935284.85986.2199410421.89960.1199512451.811048.1199612576.411557.4199715160.711806.5199815223.611626.1199916159.813736.5200020634.418638.8200122024.420159.2200226947.924430.3200336287.934195.6200449103.346435.8200562648.1

9、54273.7200677594.663376.9200793455.673284.62008100394.979526.5run;proc gplot;plot x*t=1 y*t=2/overlay;symbol1 c=black i=join v=none;symbol2 c=red i=join v=none w=2 l=2;run;proc arima data=example6_4;identify var=x stationarity=(adf=1);identify var=y stationarity=(adf=1);run;proc arima;identify var=y crrosscorr=x;estimate methed=ml input=x plot;forecast lead=0 id=t out=out;proc aima data=out;identify var